Biblioteca Digital da UEM: Sistema Nou-Rau
Pgina Principal  Portugus   English  Español   Aumentar Texto  Texto Normal  Diminuir Texto
  Principal | Apresentao | Objetivos | Instrues Autores | Estatsticas | Outras Bibliotecas Digitais
  Sistema Integrado de Bibliotecas - SIB / UEM
Entrar | acessos | verso 1.1  
ndice
Pgina principal
Documentos
Novidades
Usurios

Aes
Consultar
Procurar
Exibir estatsticas

Procurar por:
Procura avanada

Dvidas e sugestes


Consultar: Programa de Ps-Graduao em Cincia da Computao

Incio > Dissertaes e Teses > Cincias Exatas e da Terra > Cincia da Computao > Programa de Ps-Graduao em Cincia da Computao

Ttulo [PT]: OERecommender : um sistema de recomendao de REA para MOOC
Ttulo [EN]: OERecommender, a OER recommendation system for MOOC
Autor(es): Ariel Gustavo Zuquello
Palavras-chave [PT]:

Massive Open Online Course (MOOC). Recomendao de Recursos Educacionais Abertos (REAs). OERecommender (Sistema de Recomendao). Internet. Ensino distncia. Brasil.
Palavras-chave [EN]:
MOOC, OER, OERecommender, Recommendation System. Brazil.
Titulao: Mestre em Cincia da Computao
Banca:
Itana Maria de Souza Gimenes [Orientador] - UEM
Edson Alves de Oliveira Junior - UEM
Mariangela de Oliveira Gomes Setti - UTFPR
Resumo:
Resumo: Massive Open Online Course (MOOC) a mais nova tendncia em recurso educacional a distncia; seu objetivo levar conhecimento para uma grande massa de pessoas em qualquer lugar por meio da Web, na maioria dos casos gratuitamente. Um ponto chave dos MOOCs oferecer mecanismos de apoio ao processo de aprendizagem aos seus participantes. Sua populao de participantes culturalmente diversa e a taxa de abandono considerada alta, em torno de 90%. Uma das deficincias reconhecidas a falta de indicao de materiais abertos que possam enriquecer a base de apoio aos participantes. Para contribuir com a melhoria deste cenrio, este trabalho prope o OERecommender, um Sistema de Recomendao de Recursos Educacionais Abertos (REAs) para MOOC. O OERecommender visa apoiar os participantes na busca e obteno de REAs que possam ajudar em seu processo de aprendizagem. A concepo do modelo conceitual foi embasada em arquiteturas similares j existentes do mundo real. Para encontrar a similaridade entre usurios e os REAs optou-se pelo mtodo de grafos. Algoritmos de ordenao e comparao foram utilizados respectivamente para ordenar os REAs por relevncia e comparar instncias para encontrar o contexto mais similar entre os usurios. Ao final, um algoritmo de recomendao foi adotado para prever quais REAs eram mais relevantes ao usurio apresentando-os por meio de um widget. Como forma de avaliao do OERecommender, foram realizadas simulaes por meio de uma prototipao de cenrios. Aps a execuo das simulaes, os resultados indicaram que vivel a introduo de mecanismos de recomendao de REA em MOOC, e que contribuem para melhorar o apoio a seus participantes.

Abstract: Massive Open Online Course (MOOC) is one of the newest trend in education at a distance. Its goal is to bring knowledge to a large body of people anywhere through the Web, in most cases free of charge. A key point of MOOCs is to provide mechanisms to support the learning process to its participants. Its population of participants is culturally diverse and the dropout rate is considered high, around 90%. One of its recognized shortcomings is the lack of support from open materials that can enrich participants' learning process. This work proposes the OERecommender, a Recommendation System of Open Educational Resources (OER) that aims to contribute to the improvement of this scenario. The OERecommender aims to support participants in searching and recovering OER that can help in their learning process. The design of the OERecommender conceptual model was based on existing and similar architectures. The similarity between users and OER was based on graph methods. Algorithms for sorting and comparison were used, respectively, to sort OER by relevance and compare instances to find the most similar context among users. Finally, a recommendation algorithm was adapted to predict which REA were most relevant to the user presenting them through a widget. In order to assess the OERecommender, simulations were performed through prototyping scenarios. The simulations indicate that the introduction of OER recommendation mechanisms in MOOC is feasible and can contribute to improve the support to its participants.
Data da defesa: 24/08/2015
Cdigo: vtls000220809
Informaes adicionais:
Idioma: Portugus
Data de Publicao: 2015
Local de Publicao: Maring, PR
Orientador: Prof. Dr. Itana Maria de Souza Gimenes
Instituio: Universidade Estadual de Maring. Centro de Tecnologia . Programa de Ps-Graduao em Cincia da Computao
Nvel: Dissertao (mestrado em Cincia da Computao)/
UEM: Departamento de Informtica

Responsavel: beth
Categoria: Aplicao
Formato: Documento PDF
Arquivo: Dssertao_Ariel_Zuquello_46923.pdf
Tamanho: 4061 Kb (4157964 bytes)
Criado: 22-04-2016 14:10
Atualizado: 22-04-2016 14:14
Visitas: 289
Downloads: 3

[Visualizar]  [Download]

Todo material disponvel neste sistema de propriedade e responsabilidade de seus autores.